CLASSIFY - Toitures végétalisées
Détection automatique des toitures végétalisées et du type de végétation. Administrations bénéficiaires : Canton de Zürich et Canton de Genève.
Contexte
Avec le réchauffement climatique, les centres urbains souffrent de plus en plus d’effets d’îlots de chaleur. La végétation est reconnue comme un composant de l’environnement urbain contribuant à le rafraîchir. Ainsi, l’étude des toitures végétalisée participe à connaître la capacité verte d’une ville et à planifier de futures mesures d’aménagement de l’espace urbain. Pour identifier et quantifier précisément les toitures végétalisées à large échelle, un traitement (semi-)automatique doit être développé.
En collaboration avec les experts métier de l’AWEL (Amt für Abfall, Wasser, Energie und Luft - Luft, Klima und Strahlung) du canton de Zürich et de l’OCAN (Office cantonal de l'agriculture et de la nature) du canton de Genève, deux étapes progressives de la solution ont été identifiées : la détection des toitures végétalisées et la détermination du type de végétation.
Des travaux dans ce sens ont déjà été effectués sur une partie ou la totalité de ces cantons. Une étude menée par la Ville de Zürich entre 2013 et 2015 étudiait plus de 140 toits et leur végétation. A Genève, la couche de la couverture des toits existe depuis 2009 et a été récemment mise à jour (2019 et 2021). Cependant, ces processus ne sont pas encore automatisés et/ou non-exhaustifs. C’est pourquoi les cantons ont fait appel au Swiss Territorial Data Lab pour chercher ensemble une méthodologie innovante.
Méthodologie
Dans ce projet, le STDL a utilisé la science des données pour dériver d’images aériennes des informations concernant les toitures végétalisées et le type de végétation. Des pistes classiques d’analyse d’images à des méthodes récentes de deep learning, différentes stratégies ont été envisagées selon les derniers résultats de l’état de l’art.
Cependant, aucune prédiction (semi-)automatisée ne peut être vérifiée sans un jeu de données de contrôle, appelé la vérité terrain. Les données existantes doivent êtres au préalable listée, préparée et éventuellement complétées par des exemples supplémentaires. Les experts métier des cantons de ZH et de GE ont contrôlé et classifié plus de 4000 toits en évaluant la situation sur la base d’images aériennes.
Dans la première étape du projet, le STDL a entraîné un random forest et une régression logistique afin de classifier les toitures en «nues» ou «végétalisées» sur la base d’images aériennes.
La deuxième étape concernait la classification du type de végétation. Pour effectuer cette tâche, un algorithme de deep learning a été développé. L’algorithme est une adaptation du modèle DeepLabV3 réutilisant son module ASPP (Atrous Spatial Pyramid Pooling) et traitant le signal en sortie afin de réaliser de la classification d'images. Le modèle a été entraîné pour les différentes classes de végétation.
Résultats
Dans la première étape, la combinaison des méthodes random forest et régression logistique a atteint un score de 0.84 sur le rappel de la classe végétalisée et un F1-score de 0.86 pour les deux classes.
Au cours de la deuxième phase, l'algorithme de deep learning a enregistré les valeurs de rappel suivantes : 0,91 pour la détection des toits sans végétation, 0,77 pour les toits utilisés comme terrasses, 0,91 pour les toits avec pelouse, 0,63 / 0,78 / 0,55 pour les toits couverts de végétation spontanée / extensive / intensive.
Le projet a pu être mise en production sur l’ensemble du territoire des deux cantons et les couches SIG correspondantes ont été livrées.
Ressources documentées
Tous les travaux du STDL sont publiés sous une license ouverte et nous vous encourageons à les utiliser dans vos projets.
Table des matières
Retour à la page d'accueil du STDL
Swiss Territorial Data Lab
Le Swiss Territorial Data Lab (STDL), lancé en 2020 dans le cadre de la stratégie suisse pour la géoinformation (SGS), fait partie du champ d'action n°5 « Promotion de l’innovation ». Ce laboratoire offre aux administrations publiques un véritable espace d'expérimentation, où elles peuvent tester de nouvelles approches pour répondre à leurs défis concrets. Le STDL favorise un travail collaboratif entre experts techniques et métier, afin de co-créer des solutions efficaces et adaptées.
Office fédéral de topographie swisstopo
Seftigenstrasse 264
3084 Wabern